Marketing para Ventas y Big Data: la segmentación multivariante

La segmentación de clientes es un método muy utilizado en los ámbitos de marketing y ventas para entender mejor a las diferentes categorías de consumidores posibles y, de esta manera, adaptar los productos y acciones de marketing a las características de los diferentes grupos. Para entender las características de un grupo en concreto, una técnica muy efectiva es el denominado Buyer Persona. De esta forma, analizando el Buyer Persona, de un segmento de clientes determinado, es posible entender, de forma intuitiva y multivariante, las características de nuestros segmentos de clientes. En este sentido es habitual para las empresas no conocer cuáles son las características de sus Buyer Persona y las implicaciones son claras. En este artículo, veremos cómo realizar una segmentación, interpretar los diferentes Buyer Persona y cómo aplicar este conocimiento a las ventas.

Para poder ejemplificar este análisis, partiremos de un conjunto de 200 clientes con datos como el sexo, edad, los ingresos anuales o el rango de gasto (en la empresa) y de un listado de productos vendidos para estos 200 clientes durante unos meses. Para este conjunto de datos, mediante técnicas de clustering, se ha determinado que el número óptimo de grupos de clientes es dos. A partir de esta segmentación y de las características de cada cluster, hemos obtenido los siguientes Buyer Persona:

En este sentido, el Buyer Persona para el segmento 2 (ligeramente más numeroso), sería una mujer de 31 años, con unos ingresos anuales de 4.300€ con un rango de gasto en torno a los 540€, que habitualmente compra de media 4,7 unidades a un precio medio de 2,68€. La hemos llamado Ana.

La segmentación obtenida no implica que todos los integrantes de los diferentes segmentos tengan que ser mujeres, sólo nos indica que el cliente tipo de cada segmento es mujer. Tenemos que tener presente que este es un análisis multivariante, por lo que un cliente que fuera hombre pero con el resto de variables (ingresos anuales, rango gasto, …) cercanas al Ana, estaría incluido dentro del segmento 2, por ejemplo. 

Ahora que conocemos a nuestros Buyer Persona, ¿qué podemos hacer con ellos?

Tenemos que tener en cuenta que son los clientes “tipo” de cada segmento y por tanto la referencia contra la que comparar el resto de clientes. Extraemos una relación de clientes con el segmento al que pertenecen. Vemos que el primer cliente listado (Hombre), tiene una edad de 19 años, con unos ingresos anuales de 1500€ y un rango de gasto medio entorno a los 390€. Este cliente se parece más al María que a Ana:

Podemos ver cómo el cliente 17850 podría incrementar su rango de gasto actual así como el total de unidades compradas (están por debajo del comportamiento de María). Respecto al importe total, éste es superior al de María, lo que nos indica que este cliente está comprando muy por encima de lo que lo hace el cliente de referencia de su segmento. Este cliente sería un cliente muy valioso porque comprando poca cantidad, lo hace en productos de mayor valor añadido y su gasto medio es muy superior. Las acciones a implementar contra este cliente estarían centradas en la fidelización para evitar su fuga por ejemplo. No tendrían sentido acciones para incrementar sus compras, teniendo en cuenta su alto nivel de gasto comparado con su grupo (como veremos en el siguiente ejemplo).

En el caso del cliente 15100, vemos que es más parecido a Ana que a María. Es un cliente con un rango de gasto medio inferior a Ana. Sin embargo compra (en general) productos de mayor valor añadido (precio unitario pagado superior) y en mayor cantidad. No obstante, su gasto total (importe total) es inferior al de Ana. Contra este cliente podrían llevarse a cabo campañas para incrementar su consumo a niveles similares a los de su segmento.

La conclusión del análisis es que conociendo los arquetipos de clientes de cada segmento (Buyer Persona), podemos definir estrategias comerciales, marketing, fidelización… de acuerdo con el comportamiento de cada cliente, pudiendo potenciar nuestros esfuerzos en sus características menos favorables.

Germán Alonso

Data Scientist en Smartup